×
ribbon

تا پایان تخفیف

آموزش هوش مصنوعی مولد با مدل‌های زبانی بزرگ (LLM)

درس هوش مصنوعی مولد با مدل های زبانی بزرگ (LLM) یک دوره آموزشی جامع است که به معرفی... بیشتر
پرطرفدار
گواهی‌نامه
4.7 (146 امتیاز)
4,562دانشجو
مقدماتی تا پیشرفته

علیرضا اخوان‌پور

+ 1 مدرس دیگر

مشخصات دوره
محتوای دوره
پیش‌نیاز‌ها
توضیحات دوره
دیدگاه کاربران
درباره مدرس

آنچه در این دوره می‌آموزید

مفاهیم پایه و ساختار مدل‌های زبانی بزرگ (LLM)

روش‌های پیش‌پردازش داده و تکنیک‌های بهینه‌سازی مانند PEFT، LoRA و Peft

آموزش و ریزتنظیم (fine-tuning) مدل‌ها و تکنیک‌های بهبود عملکرد

بهینه‌سازی مبتنی بر بازخورد انسانی مانند RLHF، DPO و GRPO

محتوای دوره

7 فصل101 جلسه22 ساعت ویدیو
موارد استفاده و چرخه عمر پروژه و آشنایی با Hugging face
  مقدمه
مشاهده
"07:47
  هوش مصنوعی مولد و مدلهای زبانی بزرگ
مشاهده
"10:43
  کوییز مقدماتی
"01:00
  موارد استفاده و وظایف
مشاهده
"08:19
  کوییز موارد استفاده و وظایف
"02:00
  نحوه کار مدل‌های زبانی بزرگ - معماری ترنسفورمرها
"14:39
  کوییز معماری ترنسفورمرها
"01:00
  ترنسفورمرها - بخش اول
"21:51
  ترنسفورمرها - بخش دوم
"07:00
  کوییز ترنسفورمرها
"01:00
  تولید متن با ترنسفورمرها
"18:20
  کوییز تولید متن با ترنسفورمرها
"03:00
  پرامپت (پرسش‌دهی) و مهندسی پرامپ
"11:33
  پارامترهای پیکربندی تولیدی برای استنتاج - بخش اول
"09:21
  پارامترهای پیکربندی تولیدی برای استنتاج - بخش دوم
"07:15
  کوییز پارامترهای پیکربندی
"01:00
  شروع کار با LLM در Google Colab: از Hugging Face تا آماده‌سازی دیتاست
"15:33
  مفهوم Tokenization و اجرای Zero-Shot با LLMs
"18:40
  پروژه خلاصه‌سازی در پایتون: از Zero تا Few-Shot با LLM و In-Context Learning
"23:30
  چرخه حیات پروژه هوش مصنوعی مولد
"11:22
  تمرین اول (الزامی)
"150:00
  تمرین دوم (الزامی)
"210:00
پیش‌آموزش LLM و قوانین مقیاس‌پذیری
تنظیم دقیق (Fine-tuning) مدل‌های LLM با دستورالعمل‌ها و ارزیابی آن‌ها
فاین‌تیون کردن کارآمد پارامترها (PEFT)
بازخورد انسانی و الگوریتم‌های پیشرفته یادگیری تقویتی
بهینه‌سازی مدل‌ها برای استقرار (Deploy)
ساخت اپلیکیشن‌های هوشمند با LLM

پیش‌نیاز‌ها

پیش‌نیاز شرکت در این دوره، آشنایی اولیه با زبان پایتون و مفاهیم پایه‌ی یادگیری ماشین و شبکه‌های عصبی است. آشنایی با کتابخانه‌هایی مانند PyTorch یا TensorFlow نیز بسیار مفید است، اما ضروری نیست.

توضیحات دوره

درس «هوش مصنوعی مولد با مدل‌های زبانی بزرگ (LLM)» یک دوره آموزشی جامع است که به معرفی مفاهیم، روش‌ها و کاربردهای مدل‌های زبانی پیشرفته می‌پردازد. این مدل‌ها در قلب ابزارهایی مانند ChatGPT، Gemini و Grok قرار دارند و در طیف گسترده‌ای از کاربردها از جمله تولید متن، پاسخ‌ به سوالات، ترجمه ماشینی، خلاصه‌سازی خودکار و حتی برنامه‌نویسی خودکار به کار می‌روند.

در این دوره ابتدا ساختار مدل‌های زبانی و مفاهیم پایه‌ای مانند زبان طبیعی، توکن‌سازی، ترنسفورمر و attention آموزش داده می‌شود. سپس مسیر آموزش این مدل‌ها از مرحله پیش‌تمرین (pretraining) تا ریزتنظیم (fine-tuning) بررسی می‌شود. پس از آن مفاهیم پیشرفته‌تری مانند instruction tuning، RLHF (یادگیری تقویتی از بازخورد انسانی)، و روش‌های جدیدتر مانند DPO (Direct Preference Optimization) و GRPO (General Reward Policy Optimization) معرفی و پیاده‌سازی می‌شوند.

یکی از ویژگی‌های برجسته این دوره، ارائه‌ی ۱۵ نوت‌بوک آموزشی و پروژه‌محور است که شامل مثال‌های کاربردی (از جمله مثال‌هایی در زبان فارسی) و کدهای قابل اجرا هستند. این ساختار به یادگیری عمیق‌تر و درک بهتر مفاهیم کمک می‌کند.
پیش‌نیاز شرکت در این دوره، آشنایی اولیه با زبان پایتون و مفاهیم پایه‌ی یادگیری ماشین و شبکه‌های عصبی است. آشنایی با کتابخانه‌هایی مانند PyTorch یا TensorFlow نیز بسیار مفید است، اما ضروری نیست.

این دوره مناسب دانشجویان، پژوهشگران، مهندسان نرم‌افزار، علاقه‌مندان به هوش مصنوعی و توسعه‌دهندگان NLP است و می‌تواند زمینه‌ساز فعالیت‌های پژوهشی یا کاربردی در حوزه مدل‌های زبانی بزرگ به زبان فارسی یا انگلیسی باشد.

اطلاعات بیشتر

امتیاز و نظرات کاربران

4.7

از مجموع 146 امتیاز

55نظر

1 روز پیش

عالی هستند

پریسا کاظم پور

1 روز پیش

عالی

دانشجوی دوره

3 روز پیش

خیلی عالی

علی ترقی

4 روز پیش

چقدر خوب توضیح میدن استاد

دانشجوی دوره

8 روز پیش

خیلی عالی بود. مثل بقیه تدریس های استاد

امیرحسین بهرامی

8 روز پیش

عالی و دقیق

دانشجوی دوره

16 روز پیش

عالییی

سهیل مهریزی

16 روز پیش

عالی

محمدعلی محمدی نیا

16 روز پیش

محشر

میلاد رضوانی

17 روز پیش

عالی

محمد شادمان

17 روز پیش

مثل همیشه عالی. تسلط کامل روی موضوع

دانشجوی دوره

17 روز پیش

زبان و ادبیات ایشان برای بنده قابل فهم و مثال های ایشان تا حدی قابل قبولی مفاهیم را پوشش می دهد

دانشجوی دوره

18 روز پیش

بسیارعالی و کاربردی

دانشجوی دوره

29 روز پیش

واقعا عالی وقابل فهم توضیح میدهید

محمد بهزادی

1 ماه پیش

عالی، آموزش جامع و کامل که توضیحات آن خیلی خوب و قابل فهم است.

امیرحسین

گواهی‌نامه

آموزش هوش مصنوعی مولد با مدل‌های زبانی بزرگ (LLM)

پس از گذراندن محتوای دوره به صورت آنلاین (بدون دانلود) در سایت مکتب‌خونه، در صورتی‌ که حد نصاب قبولی در دوره را کسب و تمرین ها و پروژه های الزامی را ارسال کنید، گواهی‌نامه رسمی پایان دوره توسط مکتب‌خونه به اسم شما صادر شده و در اختیار شما قرار می‌گیرد.

قابل اشتراک‌گذاری در

linkdin

دوره‌های پیشنهادی مشابه

درباره استاد

علیرضا اخوان‌پور
12دوره
56,399دانشجو

علیرضا اخوان‌پور، متخصص برجسته در حوزه هوش مصنوعی و یادگیری عمیق، با بیش از ۱۰ سال سابقه تدریس و فعالیت حرفه‌ای، یکی از چهره‌های شناخته‌شده در این حوزه است. او علاوه بر سابقه ۷ سال مدیریت فنی در مجموعه دانش‌بنیان شناسا، در طراحی و پیاده‌سازی چندین پروژه عملی در زمینه پردازش تصویر، بینایی کامپیوتر و مدل‌های یادگیری عمیق نقش کلیدی داشته است.

از سال ۱۳۹۴ به عنوان مدرس در دانشگاه شهید رجایی فعالیت خود را آغاز کرد و از سال ۱۳۹۵ به طور تخصصی در حوزه هوش مصنوعی و یادگیری عمیق به تدریس مشغول است. در کنار تدریس، او چاپ مقالات بین‌المللی و داوری بیش از ۱۰ مقاله علمی را نیز در کارنامه دارد و تجربه عملی خود را با پیاده‌سازی پروژه‌های صنعتی و پژوهشی موفق ترکیب کرده است.

حضور او در محیط‌های آکادمیک با ارائه ورکشاپ در دانشگاه‌های امیرکبیر، شریف و تهران همراه بوده و دوره‌های تخصصی خود را در جهاد دانشگاهی شریف، دانشگاه تهران و سازمان‌های بزرگی مانند معاونت علمی و فناوری ریاست جمهوری، صندوق نوآوری و شکوفایی، همراه اول و دیجی‌کالا برگزار کرده است. همچنین در حوزه بانکی و تلکام، دوره‌های تخصصی برای کارکنان بانک‌های قوامین، سپه و صادرات و همراه اول و ایبیکام ارائه کرده و مدرس رویداد علم داده ایرانسل بوده است.

او در سایت مکتب‌خونه نیز دوره‌های پرمخاطبی در زمینه LLM، یادگیری عمیق، پردازش تصویر و OpenCV ضبط کرده که تجربه عملی گسترده او در پروژه‌های واقعی را نیز پوشش می‌دهند.

علیرضا اخوان‌پور به عنوان منتور و مشاور هوش مصنوعی با شتاب‌دهنده همتک و شرکت‌های معتبر مانند همراه اول و ایبیکام همکاری داشته و مدیریت سایت تخصصی Class.Vision را بر عهده دارد، که در زمینه هوش مصنوعی، یادگیری عمیق، بینایی کامپیوتر و یادگیری ماشین فعالیت می‌کند.

حضور موثر او در رویدادهای مهم مانند کنفرانس MVIP، فیس کاپ، داده ایرانسل و من برنامه‌نویسم و تولید محتوا در آکادمی همراه اول، مکتب‌خونه، کلاس ویژن و نماتک، به همراه تجربه عملی در چندین پروژه صنعتی و پژوهشی موفق، نقش برجسته او در گسترش دانش و کاربرد هوش مصنوعی در کشور را نشان می‌دهد.

اطلاعات بیشتر

دیگر دوره‌های علیرضا اخوان‌پور

کلاس ویژن
8دوره
53,224دانشجو

کلاس‌ویژن، یک سایت تخصصی برای دوره‌های هوش مصنوعی، دیپ لرنینگ، بینایی کامپیوتر و یادگیری ماشین است.

اطلاعات بیشتر

دیگر دوره‌های کلاس ویژن

سوالات پرتکرار

حداقل و حداکثر زمانی که می‌توانم یک دوره را بگذرانم چقدر است؟

برای گذراندن دوره، حداقل زمان مشخصی وجود ندارد و شما می‌توانید در هر زمان که مایل هستید، ویدیوهای آموزشی دوره را ببینید و تمارین را انجام دهید؛ اما برای هر دوره یک حداکثر زمان تعیین شده که در صفحه معرفی دوره قابل مشاهده است که تنها در این بازه زمانی امکان تصحیح پروژه‌ها توسط پشتیبان و دریافت گواهی‌نامه را خواهید داشت.

آیا پس از به اتمام رساندن و قبولی در دوره، می‌توانم نسخه فیزیکی گواهی‌نامه را دریافت کنم؟

خیر. به‌دلیل ملاحظات محیط‌زیستی و کاهش مصرف کاغذ، گواهی‌نامه فقط به‌صورت الکترونیکی ارائه می‌شود.

آیا بعد از پایان مدت دوره همچنان به محتوای آن دسترسی دارم؟

بله. پس از پایان مدت دوره نیز به ویدئوها، تمرین‌ها، پروژه‌ها و سایر محتوای آموزشی دوره دسترسی خواهید داشت؛ اما امکان تصحیح تمرین‌ها توسط پشتیبان دوره و دریافت گواهی‌نامه برای شما وجود نخواهد داشت.

آیا در صورت خرید دوره، گواهی‌نامه آن به من تعلق می‌گیرد؟

خیر. با خرید دوره، امکان شرکت در دوره و دسترسی به محتوای آن را خواهید داشت؛ اما تنها در صورتی که در بازه زمانی تعیین‌شده دوره را با موفقیت و نمره قبولی به اتمام برسانید، گواهی‌نامه به نام شما صادر می‌شود.

مهارت‌هایی که می‌آموزید